“以前覺得自動駕駛既神秘又‘高大上’，這次終于能親身體驗一下了!”望著徐徐駛來的百度自動駕駛出租車Apollo，在北京工作的程序員小王很興奮。

日前，百度自動駕駛體驗服務在北京亦莊、海淀免費開放，吸引了大批市民和媒體關注。單個站點單日最高服務量超過600單，一度出現“一車難求”的場面。近年來，中國自動駕駛行業捷報頻傳，多家企業已在國內外多個城市開展路測運營。此次百度率先向公眾開放路測，也讓普通人能夠跟自動駕駛這個前沿事物來一次“親密接觸”。

那么，自動駕駛出租車如何行駛?面對中國實際的復雜路況，技術人員是如何把無人車訓練成“老司機”的?本報記者對此進行了實地體驗和采訪。

體驗：全程平穩無接管

10月27日上午，記者來到北京亦莊，選擇限定運營區域內距離最長的兩個站點，坐著百度自動駕駛出租車跑了一個來回。

先說智能性。這10公里的路程并不算長，卻已包含了我們日常開車絕大部分會遇到的基本場景：起步、加速、轉彎、變道超車、減速讓行、過紅綠燈路口、靠邊停車等等。在近20分鐘的試乘時間里，安全員全程無接管，所有決策、操作都由自動駕駛系統完成。可以說，這是一次純粹的自動駕駛。

再說舒適性。百度自動駕駛出租車的速度基本穩定在每小時40公里左右，這讓它整體“開”得非常平穩。Apollo的加減速也很流暢，遇到前方紅燈或是預測到有車要并線，Apollo會提前減速，從而避免急剎車。遇到四下無車的情況，Apollo也會果斷勻加速，不“磨嘰”。在絕大多數情況下，如果你閉上眼睛，基本分不出開車的是人還是機器。

正是因為Apollo的“超穩定發揮”，反而讓試乘者們特別期待能遇到一次“意外”情況。趕巧的是，記者就遇到了一次自動駕駛系統做出的急剎車動作：

當時，一輛外賣摩托車突然從路旁沖出來，即將以高速掠過Apollo斜前方。就在記者用余光瞥見這輛摩托車時，Apollo來了一腳勢大力沉的急剎車。緊接著，車內響起了AI小度的道歉聲：“剎猛了，求原諒!謹慎才能保證你的安全呀。”

記者當即向車內安全員反復確認，在這腳剎車過程中，安全員完全沒有介入，是自動駕駛系統預判到摩托車的行駛軌跡，采取了緊急制動措施。記者事后想，如果是自己在當時的場景中，可能會減速，但不會急剎。因為摩托車在道路博弈中，大概率不會主動選擇與汽車進行碰撞，這或許是人類和機器在預判上的區別，不過也正如小度所說，“謹慎”是為了安全，在自動駕駛剛起步的時候，還是謹慎為妙。

除了AI自動緊急剎車，有沒有安全員必須要接管車輛的時候呢?一位安全員提到一個令人印象深刻的場景：工人打開路面井蓋，下井檢修，但并未按要求在井口擺設安全錐桶。下井工人的頭發與黑色的井口背景融為一體，試驗車輛未能分辨，沒有做出減速動作，安全員緊急接管。“不過這都是很早期的狀況，現在接管的次數少多了。”

急剎車與井蓋的故事提醒我們，比起相對容易處理的正常場景來說，那些發生概率較低、但“一失萬無”的極端場景——業內稱為“邊角案例”(CornerCase)或“長尾場景”——才是對自動駕駛真正的考驗。這些場景不按常理出牌，樣式繁多，處理難度大，卻是無人駕駛在中國落地的關鍵之一。

訓練：長尾場景是關鍵

路測過程中遇到的問題怎么解決？

“對自動駕駛系統來說，每一個長尾場景都是非常寶貴的學習機會，每解決一個問題，Apollo的大腦就會變得更‘聰明’一些。”百度自動駕駛測試工程師李肆給記者舉了一個三角事故牌的例子：

“在一次測試中，Apollo遇到一個三角事故牌和臨時停車，識別成了靜止障礙物和靜止車輛。它選擇先停車觀察，然后再緩慢起步繞行。當系統記錄這一次緩行后，通過數據挖掘和Learning訓練模型，Apollo理解了這是交通事故場景典型特征。在之后的駕駛策略上，再遇到三角牌，它會提前主動借道通行，像老司機一樣自然繞行。”

所以，不僅僅是安全員發生接管的場景，包括系統主動發現的漏洞或是影響用戶體驗的問題，都會被系統實時捕捉，并自動上傳云端。所有問題的數據，在后臺都會被自動化分析和歸類標注。

“對于比較簡單的問題，系統可以自己形成訓練數據，直接對算法模型進行自我更新，增強駕駛能力。而對于一些新問題和重點問題，則會被系統識別出來，流轉給技術人員作深入分析和優化。”李肆說，當技術人員對一類典型場景完成算法優化后，會在仿真平臺針對問題場景進行驗證。“從遇到一個長尾場景，到數據驅動模型迭代、仿真回歸驗證、新版本上線解決，優化周期大約在幾周或幾個月，要視問題的困難程度而定。”

除了讓Apollo把自己遇到的難題“鞏固復習”好，百度的技術人員還給Apollo主動加練，從現實和虛擬兩個維度打造起Apollo的“練功房”。

現實中的“練功房”位于國家智能網聯汽車(長沙)測試區東片區，這是百度聯合長沙湘江智能打造的國內首個自動駕駛7×24小時全無人值守封閉測試場，目前已投入日常測試使用�？梢詫崿F測試全程無人化，支持7×24小時不間斷可靠性測試，大幅節省測試人力成本。同時也保障了場景構建的高度還原和一致性，對交互博弈場景構建的優勢尤其突出。

除了真實的道路數據之外，百度的自動駕駛學習也依托仿真模擬器。百度自動駕駛事業部總經理陶吉告訴記者：“我們擁有一個‘無限里程虛擬世界’，我們在這里面放很多行人和車輛的障礙物，他們按照一定的規則去跑，Apollo也放一輛進去。當跑到足夠多里程的時候，會發生很多意想不到的情況。如果發現Apollo應對不了的情況，這個案例我們會特別拿出來分析，作為訓練課程來增強自動駕駛系統的能力。”

據陶吉介紹，在仿真云環境下，Apollo已累計運行了數億公里的測試里程，每日運行超過數百萬公里，保證了Apollo自動駕駛對路上多樣化場景的適應性，讓百度自動駕駛車輛在上路前，已經完成了對于路上可能會發生的所有場景的充分驗證。

“今天我們敢在北京開放，也是代表一種技術自信。”陶吉說，“對于一項新技術，只有面向用戶、面向市場才有最佳的改進目標，當然我們還有各種不足，也希望能夠通過開放試乘來收集用戶的反饋，不斷打磨提升自己，帶給大家更好的出行服務產品。”

(新媒體責編：zfy2019)